發(fā)布時間：2017-03-18 09:06

  本文關(guān)鍵詞：基于PCA-SVM模型的量化擇時研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著我國股票市場的發(fā)展,股市的功能日益提高,對我國股市投資方面的研究越來越多。文章基于股票市場技術(shù)指標(biāo),利用支持向量機(SVM)理論,將滬深300指數(shù)作為研究標(biāo)的,并借助計算機做出量化擇時實證分析,去研究如何提高投資的收益性和穩(wěn)定性。由于我國滬深300股指期貨已推出,將滬深300指數(shù)作為標(biāo)的,也有助于對實際投資策略的研究。傳統(tǒng)的技術(shù)分析和基本面分析對股市的解釋能力越顯乏力,文章運用非線性的數(shù)據(jù)挖掘技術(shù)對我國股市價格行為進(jìn)行分析。在具體技術(shù)的選擇上,文章將人工神經(jīng)網(wǎng)絡(luò)和支持向量機進(jìn)行了比較,最終得出了支持向量機訓(xùn)練精確度更高的結(jié)論。支持向量機層面,分為傳統(tǒng)支持向量機和改進(jìn)的支持向量機,對于改進(jìn)的支持向量機主要體現(xiàn)在其參數(shù)的尋優(yōu)方面,網(wǎng)格搜索法的參數(shù)尋優(yōu)在實證方面精確度表現(xiàn)得更高。針對于數(shù)據(jù)的選擇方面,文章依據(jù)量化擇時的理論基礎(chǔ),對選取的數(shù)據(jù)進(jìn)行ADF單位根檢驗,判斷得出此段數(shù)據(jù)已達(dá)到弱式有效。對于數(shù)據(jù)的處理方面,為了降低數(shù)據(jù)的冗雜性,提高模型的訓(xùn)練精度和降低模型的訓(xùn)練時間,文章采用主成分分析方法(PCA),對數(shù)據(jù)進(jìn)行預(yù)處理。實證結(jié)果表明經(jīng)過PCA之后的模型精確度更高。鑒于此,綜合支持向量機(SVM),主成分分析(PCA),網(wǎng)格搜索法,文章構(gòu)建了基于網(wǎng)格搜索法下的PCA-SVM模型。并且結(jié)合具體數(shù)據(jù),采用了一種SVM模型的量化擇時方法,通過與同期滬深300指數(shù)的對比,得出了PCA-SVM量化擇時策略收益更高,穩(wěn)定性更強,抗跌能力更好的結(jié)論。但是由于技術(shù)和經(jīng)驗的不足,文章未能將技術(shù)指標(biāo)與宏觀數(shù)據(jù)進(jìn)行結(jié)合,降低了數(shù)據(jù)的綜合解釋能力；并且股市的數(shù)據(jù)之間不僅僅只存在相關(guān)性,噪聲也是股市中存在的問題,對降噪方面,文章尚未涉及。這些方面需要后續(xù)進(jìn)一步研究。
【關(guān)鍵詞】：量化擇時 支持向量機(SVM) 網(wǎng)格搜索法 主成分分析(PCA)
【學(xué)位授予單位】：天津財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F832.51;F224
【目錄】：

• 內(nèi)容摘要5-6
• Abstract6-9
• 第1章 導(dǎo)論9-16
• 1.1 研究背景及意義9-10
• 1.1.1 研究背景9-10
• 1.1.2 研究意義10
• 1.2 國內(nèi)外相關(guān)研究綜述10-13
• 1.2.1 國內(nèi)市場有效性的研究現(xiàn)狀11
• 1.2.2 數(shù)據(jù)挖掘技術(shù)在金融市場中的運用11-12
• 1.2.3 支持向量機在金融數(shù)據(jù)挖掘中的研究現(xiàn)狀12-13
• 1.3 本文的研究內(nèi)容和框架結(jié)構(gòu)13-14
• 1.4 本文的研究方法和創(chuàng)新點14-16
• 1.4.1 研究方法15
• 1.4.2 本文創(chuàng)新點15-16
• 第2章 基于支持向量機的量化擇時理論框架16-31
• 2.1 量化擇時理論16-19
• 2.2 市場有效性理論19-21
• 2.2.1 有效市場理論19-20
• 2.2.2 ADF單位根檢驗法20-21
• 2.3 技術(shù)指標(biāo)選擇理論21-25
• 2.3.1 技術(shù)指標(biāo)的選擇原則21-22
• 2.3.2 主要技術(shù)指標(biāo)及其應(yīng)用22-25
• 2.4 統(tǒng)計學(xué)習(xí)理論25-26
• 2.5 支持向量機理論26-31
• 2.5.1 線性分類器27-29
• 2.5.2 SVM非線性分類方法29-31
• 第3章 基于PCA-SVM模型量化擇時策略的構(gòu)建31-39
• 3.1 模型策略構(gòu)建的思路31-33
• 3.2 主成分分析法(PCA)33-36
• 3.3 網(wǎng)格搜索法下的參數(shù)尋優(yōu)36-39
• 第4章 PCA-SVM模型在量化擇時中的實證檢驗39-49
• 4.1 數(shù)據(jù)檢驗和數(shù)據(jù)預(yù)處理39-43
• 4.1.1 運用ADF單位根法檢驗數(shù)據(jù)市場有效性39-40
• 4.1.2 主成分分析(PCA)處理40-43
• 4.2 模型的實證分析43-47
• 4.2.1 PCA-SVM模型的結(jié)果43-44
• 4.2.2 BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果44-47
• 4.3 模型下滬深300指數(shù)擇時策略分析47-49
• 第5章 結(jié)論與建議49-52
• 5.1 基于SVM模型的擇時策略具備較高推廣能力49
• 5.2 PCA能夠降低數(shù)據(jù)維度,后期研究需關(guān)注數(shù)據(jù)噪聲49-50
• 5.3 運用網(wǎng)格搜索法對模型參數(shù)尋優(yōu)能夠提高策略收益率50-51
• 5.4 未來研究展望51-52
• 參考文獻(xiàn)52-54
• 后記54

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李儷巧,陳智高;轉(zhuǎn)移成本與競爭的簡單模型分析[J];企業(yè)經(jīng)濟(jì);2002年10期

2 白玲;王歆;;服務(wù)創(chuàng)新的四緯度模型對我國金融服務(wù)創(chuàng)新的啟示[J];商場現(xiàn)代化;2007年31期

3 李超;;企業(yè)增長的3C模型分析[J];中國中小企業(yè);2011年08期

4 蔡e，

本文編號：254224